Pemindai/Organizer Kartu Perdagangan

Buat inventaris digital perdagangan Anda /kartu koleksi menggunakan Lego dan Raspberry Pi.

Cerita

Saya sangat menyukai kartu perdagangan saat kecil. Baru-baru ini saya menemukan banyak kartu Magic The Gathering di dalam sebuah kotak dan berpikir dalam hati – Saya ingin tahu berapa banyak kartu yang saya miliki dan berapa nilainya?! Mencatat dan mencari ini secara manual akan memakan waktu cukup lama, jadi saya memutuskan untuk melihat apakah saya dapat mengotomatiskan beberapa proses. Entah bagaimana, proses tersebut mengarah pada penggunaan Raspberry Pi, membangun platform dari Lego, dan memanfaatkan AWS S3/Rekognition!

Proses

• Ambil gambar judul kartu menggunakan Raspberry Pi, kamera RPi, dan platform Lego

• Unggah gambar ke bucket AWS S3 untuk penyimpanan dan pemrosesan

• Gunakan AWS Rekognition untuk mengekstrak teks dari gambar dan menanyakannya terhadap API harga untuk mendapatkan harga pasar setiap kartu

Aku punya banyak pekerjaan yang harus dilakukan…

Platform Lego

Saya tidak pandai mengerjakan kayu dan saya pikir itu mungkin kasar. Sebagai gantinya, saya memutuskan untuk menggunakan Lego jadi saya membeli wadah berukuran sedang yang bisa Anda dapatkan di beberapa pengecer. Saya menantang diri saya untuk tetap berpegang pada kotak ini saja – tidak ada dukungan lain karena itulah mengapa hal ini terlihat seperti tulang belulang. Proyek ini tidak akan menunjukkan bagaimana membangunnya bata demi bata tetapi harus ada cukup gambar di sini untuk dapat menirunya atau membuatnya lebih baik! Desainnya terinspirasi oleh penyortir kartu murah seharga $7 yang saya dapatkan bertahun-tahun yang lalu. Servo di belakang dapat terus berputar dan menggerakkan ban ke depan dalam pengaturan seperti roda gigi sederhana. Roda di bagian depan yang menggantung dari potongan hijau tua adalah untuk menjaga agar kartu lainnya tidak tergelincir. Ada cukup ruang untuk mendorong satu kartu keluar pada satu waktu. Saya juga menggunakan beberapa kartu yang direkatkan untuk menjaga bobot yang cukup pada kartu untuk memastikan bahwa hanya satu yang keluar. Pengungkapan penuh – Anda akan melihat di video pertama bahwa gambar diambil saat kartu tidak dalam posisinya. Ini terjadi dari waktu ke waktu, tetapi membuang gambar kosong itu sepele.

Servo belakang akan berputar untuk menggerakkan roda ke depan. Tampilan Overhead ViewFront. Perhatikan bahwa servo kecil di depan tidak terhubung – ia terjepit pada alas dan kolom abu-abu Motor servo depan hanya terjepit di antara pelat biru bawah dan kolom abu-abuSaya merekatkan beberapa kartu bersama-sama untuk menjaga berat kartu sehingga hanya satu kartu yang akan keluar

Kamera duduk di atas tumpukan batu bata yang diposisikan beberapa inci dari platform, miring sehingga sejajar dengan posisi kartu. Resolusi telah dimodifikasi dengan kode untuk menangkap bagian atas kartu.

Panjang pita agak sulit untuk ditangani - akan merekomendasikan untuk mendapatkan yang lebih panjang.

Perangkat Keras

Raspberry Pi adalah pilihan terbaik untuk proyek ini karena saya perlu menjalankan python untuk periferal. Hal lain yang kita butuhkan adalah dua motor servo dan sebuah kamera. Saya memiliki catu daya 5V yang terhubung ke papan tempat memotong roti – tidak wajib tetapi berguna.

Kode

Kode ini seluruhnya ditulis dalam python 2.7. Satu skrip adalah untuk memberi daya pada servos dan mengambil gambar; yang lainnya untuk memproses gambar yang disimpan dalam S3 terhadap Rekognition.

Setelah kartu kami dimuat ke platform Lego, kami cukup melakukan:

python mtg_servo.py  

Ini akan memulai servos dan memindai kartu. Setelah selesai, kita dapat keluar dari skrip dan memuat lebih banyak. Saya bisa melakukan sekitar 20-25 kartu per menit. adalah kode tiga huruf untuk set kartu. Ini membantu kami tetap teratur untuk pemrosesan gambar dan API harga, mis. semua .jpg untuk set "M13" ditulis ke jalur .

AWS S3 dan Pengakuan

Saya mencoba melakukan OCR dengan tesseract dan OpenCV. Meskipun keduanya adalah alat yang luar biasa, Rekognition terbukti jauh lebih mudah digunakan. Ini memungkinkan banyak fleksibilitas untuk penentuan posisi, pencahayaan, jarak, dll. Anda memerlukan akun AWS untuk melakukan ini secara gratis. Amazon cukup murah hati dengan AWS Tingkat Gratis – Anda dapat memproses 5.000 gambar per bulan di bawahnya. Saya mengunggah file S3 secara manual demi waktu (tidak ditampilkan tetapi inilah panduannya). Bucket s3 diatur persis seperti direktori saat ini – /set_name/file.jpg. Tangkapan layar di bawah ini menunjukkan versi demo dari Rekognition yang memproses beberapa gambar yang diambil. Anda akan melihat bahwa ini sangat akurat, meskipun ada masalah dengan fotonya.

Sample CaptureSample Capture

Kami dapat mengotomatiskan proses ini! Setelah semua kartu telah diunggah ke ember, kita dapat menjalankan kode di bawah ini untuk menampilkan Teks Terdeteksi kita ke dalam csv:

python Rekognize_S3.py 

Berikut adalah hasil pengolahan gambarnya. Saya yakin ini akan jauh lebih tinggi jika kualitas gambarnya lebih baik. Dua masalah utama lainnya yang saya temui adalah (1) font – banyak font memiliki karakter yang hampir mendekati di mana bahkan saya kesulitan mengartikannya dan (2) pencahayaan. Dari 920 kartu yang saya pindai:

• 619 tepat (67,3%)

• 201 meleset satu huruf (21,8%)

• 100 dipotong lebih dari satu huruf (10,9%)

Manis! Setelah itu, saya menulis skrip python cepat untuk menekan API TCGplayer untuk harga pasar kartu*. Pada akhirnya, saya memiliki barang milik bersama, tidak umum, dan langka senilai $275! (Saya menghapus semua kartu yang saya tahu sudah bernilai uang)

*Edit 27/05/18: Saya telah memperbarui skrip Rekognition untuk menjalankan teks yang terdeteksi terhadap API TGCplayer secara real-time (dan menulis ke file). Perlu diingat bahwa ada proses aplikasi untuk API.

Menutup

Saya harap ini menginspirasi Anda untuk mengeluarkan kartu lama itu dan melakukan sesuatu dengannya! Saya berencana melakukan ini lagi dengan kartu olahraga dan berbagai set lainnya. Selamat memindai!

Sumber:  Pemindai/Penyelenggara Kartu Perdagangan